スーパーバイズド機械学習を用いた学部コンピューティング学生の燃え尽き症候群の検出

科学分野:

• 教育心理学
• コンピューターサイエンス
• データサイエンス

背景:

• 学業的燃え尽き症候群は、学生の認知的および心理的健康に悪影響を与え、行動上の問題につながる可能性があります。
• 学生の燃え尽き症候群の早期検出は、機関が支援と介入を提供するために不可欠です。
• 燃え尽き症候群検出のための現在のアンケート方法は、回答バイアスや管理負担などの課題に直面しています。

研究 の 目的:

• 大学の管理データでトレーニングされた機械学習モデルを使用して学業的燃え尽き症候群を検出する実現可能性を探ること。
• 倦怠感、冷笑主義、専門的効力の低下という燃え尽き症候群の3つの次元を特定するためのモデルを開発および評価すること。
• 目立たない学生の燃え尽き症候群検出のためのアンケート不要アプローチの可能性を評価すること。

主な方法:

• 倦怠感、冷笑主義、専門的効力の低下を検出するために機械学習モデルを開発しました。
• ロジスティック回帰、サポートベクターマシン、ナイーブベイズ、決定木、および極端な勾配ブースティングの5つのアルゴリズムを利用しました。
• 心理学的アンケートを回避し、管理大学記録からのみ特徴量をエンジニアリングしました。

主要な成果:

• モデルのパフォーマンスは燃え尽き症候群の次元によって異なり、倦怠感の検出が最も高い結果をもたらしました。
• ロジスティック回帰は、倦怠感の検出において68.4%のF1スコアを達成しました。
• 冷笑主義の検出は中程度のパフォーマンスを示し、専門的効力の検出は最も低いパフォーマンスでした。

結論:

• 特に倦怠感と冷笑主義の学業的燃え尽き症候群の兆候の自動検出は、受動的に収集された大学記録を使用して実現可能です。
• この研究は、管理データのみを通じて心理学的構成概念を捉える上での限界を強調しています。
• 調査結果は、学生の燃え尽き症候群検出のための目立たない方法に関する将来の研究の基礎を提供します。